07a6d16839daed59c8fc5b881e8ed4ed6ae55994
[WebKit-https.git] / Source / WebCore / platform / text / TextCodecLatin1.cpp
1 /*
2  * Copyright (C) 2004, 2006, 2008 Apple Inc. All rights reserved.
3  *
4  * Redistribution and use in source and binary forms, with or without
5  * modification, are permitted provided that the following conditions
6  * are met:
7  * 1. Redistributions of source code must retain the above copyright
8  *    notice, this list of conditions and the following disclaimer.
9  * 2. Redistributions in binary form must reproduce the above copyright
10  *    notice, this list of conditions and the following disclaimer in the
11  *    documentation and/or other materials provided with the distribution.
12  *
13  * THIS SOFTWARE IS PROVIDED BY APPLE INC. ``AS IS'' AND ANY
14  * EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
15  * IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR
16  * PURPOSE ARE DISCLAIMED.  IN NO EVENT SHALL APPLE INC. OR
17  * CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,
18  * EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,
19  * PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR
20  * PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY
21  * OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT
22  * (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE
23  * OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE. 
24  */
25
26 #include "config.h"
27 #include "TextCodecLatin1.h"
28
29 #include "TextCodecASCIIFastPath.h"
30 #include <wtf/text/CString.h>
31 #include <wtf/text/StringBuffer.h>
32 #include <wtf/text/WTFString.h>
33
34
35 namespace WebCore {
36 using namespace WTF;
37
38 static const UChar table[256] = {
39     0x0000, 0x0001, 0x0002, 0x0003, 0x0004, 0x0005, 0x0006, 0x0007, // 00-07
40     0x0008, 0x0009, 0x000A, 0x000B, 0x000C, 0x000D, 0x000E, 0x000F, // 08-0F
41     0x0010, 0x0011, 0x0012, 0x0013, 0x0014, 0x0015, 0x0016, 0x0017, // 10-17
42     0x0018, 0x0019, 0x001A, 0x001B, 0x001C, 0x001D, 0x001E, 0x001F, // 18-1F
43     0x0020, 0x0021, 0x0022, 0x0023, 0x0024, 0x0025, 0x0026, 0x0027, // 20-27
44     0x0028, 0x0029, 0x002A, 0x002B, 0x002C, 0x002D, 0x002E, 0x002F, // 28-2F
45     0x0030, 0x0031, 0x0032, 0x0033, 0x0034, 0x0035, 0x0036, 0x0037, // 30-37
46     0x0038, 0x0039, 0x003A, 0x003B, 0x003C, 0x003D, 0x003E, 0x003F, // 38-3F
47     0x0040, 0x0041, 0x0042, 0x0043, 0x0044, 0x0045, 0x0046, 0x0047, // 40-47
48     0x0048, 0x0049, 0x004A, 0x004B, 0x004C, 0x004D, 0x004E, 0x004F, // 48-4F
49     0x0050, 0x0051, 0x0052, 0x0053, 0x0054, 0x0055, 0x0056, 0x0057, // 50-57
50     0x0058, 0x0059, 0x005A, 0x005B, 0x005C, 0x005D, 0x005E, 0x005F, // 58-5F
51     0x0060, 0x0061, 0x0062, 0x0063, 0x0064, 0x0065, 0x0066, 0x0067, // 60-67
52     0x0068, 0x0069, 0x006A, 0x006B, 0x006C, 0x006D, 0x006E, 0x006F, // 68-6F
53     0x0070, 0x0071, 0x0072, 0x0073, 0x0074, 0x0075, 0x0076, 0x0077, // 70-77
54     0x0078, 0x0079, 0x007A, 0x007B, 0x007C, 0x007D, 0x007E, 0x007F, // 78-7F
55     0x20AC, 0x0081, 0x201A, 0x0192, 0x201E, 0x2026, 0x2020, 0x2021, // 80-87
56     0x02C6, 0x2030, 0x0160, 0x2039, 0x0152, 0x008D, 0x017D, 0x008F, // 88-8F
57     0x0090, 0x2018, 0x2019, 0x201C, 0x201D, 0x2022, 0x2013, 0x2014, // 90-97
58     0x02DC, 0x2122, 0x0161, 0x203A, 0x0153, 0x009D, 0x017E, 0x0178, // 98-9F
59     0x00A0, 0x00A1, 0x00A2, 0x00A3, 0x00A4, 0x00A5, 0x00A6, 0x00A7, // A0-A7
60     0x00A8, 0x00A9, 0x00AA, 0x00AB, 0x00AC, 0x00AD, 0x00AE, 0x00AF, // A8-AF
61     0x00B0, 0x00B1, 0x00B2, 0x00B3, 0x00B4, 0x00B5, 0x00B6, 0x00B7, // B0-B7
62     0x00B8, 0x00B9, 0x00BA, 0x00BB, 0x00BC, 0x00BD, 0x00BE, 0x00BF, // B8-BF
63     0x00C0, 0x00C1, 0x00C2, 0x00C3, 0x00C4, 0x00C5, 0x00C6, 0x00C7, // C0-C7
64     0x00C8, 0x00C9, 0x00CA, 0x00CB, 0x00CC, 0x00CD, 0x00CE, 0x00CF, // C8-CF
65     0x00D0, 0x00D1, 0x00D2, 0x00D3, 0x00D4, 0x00D5, 0x00D6, 0x00D7, // D0-D7
66     0x00D8, 0x00D9, 0x00DA, 0x00DB, 0x00DC, 0x00DD, 0x00DE, 0x00DF, // D8-DF
67     0x00E0, 0x00E1, 0x00E2, 0x00E3, 0x00E4, 0x00E5, 0x00E6, 0x00E7, // E0-E7
68     0x00E8, 0x00E9, 0x00EA, 0x00EB, 0x00EC, 0x00ED, 0x00EE, 0x00EF, // E8-EF
69     0x00F0, 0x00F1, 0x00F2, 0x00F3, 0x00F4, 0x00F5, 0x00F6, 0x00F7, // F0-F7
70     0x00F8, 0x00F9, 0x00FA, 0x00FB, 0x00FC, 0x00FD, 0x00FE, 0x00FF  // F8-FF
71 };
72
73 void TextCodecLatin1::registerEncodingNames(EncodingNameRegistrar registrar)
74 {
75     // From https://encoding.spec.whatwg.org.
76     registrar("windows-1252", "windows-1252");
77     registrar("ansi_x3.4-1968", "windows-1252");
78     registrar("ascii", "windows-1252");
79     registrar("cp1252", "windows-1252");
80     registrar("cp819", "windows-1252");
81     registrar("csisolatin1", "windows-1252");
82     registrar("ibm819", "windows-1252");
83     registrar("iso-8859-1", "windows-1252");
84     registrar("iso-ir-100", "windows-1252");
85     registrar("iso8859-1", "windows-1252");
86     registrar("iso88591", "windows-1252");
87     registrar("iso_8859-1", "windows-1252");
88     registrar("iso_8859-1:1987", "windows-1252");
89     registrar("l1", "windows-1252");
90     registrar("latin1", "windows-1252");
91     registrar("us-ascii", "windows-1252");
92     registrar("x-cp1252", "windows-1252");
93 }
94
95 static std::unique_ptr<TextCodec> newStreamingTextDecoderWindowsLatin1(const TextEncoding&, const void*)
96 {
97     return std::make_unique<TextCodecLatin1>();
98 }
99
100 void TextCodecLatin1::registerCodecs(TextCodecRegistrar registrar)
101 {
102     registrar("windows-1252", newStreamingTextDecoderWindowsLatin1, 0);
103 }
104
105 String TextCodecLatin1::decode(const char* bytes, size_t length, bool, bool, bool&)
106 {
107     LChar* characters;
108     if (!length)
109         return emptyString();
110     String result = String::createUninitialized(length, characters);
111
112     const uint8_t* source = reinterpret_cast<const uint8_t*>(bytes);
113     const uint8_t* end = reinterpret_cast<const uint8_t*>(bytes + length);
114     const uint8_t* alignedEnd = alignToMachineWord(end);
115     LChar* destination = characters;
116
117     while (source < end) {
118         if (isASCII(*source)) {
119             // Fast path for ASCII. Most Latin-1 text will be ASCII.
120             if (isAlignedToMachineWord(source)) {
121                 while (source < alignedEnd) {
122                     MachineWord chunk = *reinterpret_cast_ptr<const MachineWord*>(source);
123
124                     if (!isAllASCII<LChar>(chunk))
125                         goto useLookupTable;
126
127                     copyASCIIMachineWord(destination, source);
128                     source += sizeof(MachineWord);
129                     destination += sizeof(MachineWord);
130                 }
131
132                 if (source == end)
133                     break;
134
135                 // *source may not be ASCII anymore if source moves inside the loop of the fast code path
136                 if (!isASCII(*source))
137                     goto useLookupTable;
138             }
139             *destination = *source;
140         } else {
141 useLookupTable:
142             if (table[*source] > 0xff)
143                 goto upConvertTo16Bit;
144
145             *destination = table[*source];
146         }
147
148         ++source;
149         ++destination;
150     }
151
152     return result;
153     
154 upConvertTo16Bit:
155     UChar* characters16;
156     String result16 = String::createUninitialized(length, characters16);
157
158     UChar* destination16 = characters16;
159
160     // Zero extend and copy already processed 8 bit data
161     LChar* ptr8 = characters;
162     LChar* endPtr8 = destination;
163
164     while (ptr8 < endPtr8)
165         *destination16++ = *ptr8++;
166
167     // Handle the character that triggered the 16 bit path
168     *destination16 = table[*source];
169     ++source;
170     ++destination16;
171
172     while (source < end) {
173         if (isASCII(*source)) {
174             // Fast path for ASCII. Most Latin-1 text will be ASCII.
175             if (isAlignedToMachineWord(source)) {
176                 while (source < alignedEnd) {
177                     MachineWord chunk = *reinterpret_cast_ptr<const MachineWord*>(source);
178                     
179                     if (!isAllASCII<LChar>(chunk))
180                         goto useLookupTable16;
181                     
182                     copyASCIIMachineWord(destination16, source);
183                     source += sizeof(MachineWord);
184                     destination16 += sizeof(MachineWord);
185                 }
186                 
187                 if (source == end)
188                     break;
189
190                 // *source may not be ASCII anymore if source moves inside the loop of the fast code path
191                 if (!isASCII(*source))
192                     goto useLookupTable16;
193             }
194             *destination16 = *source;
195         } else {
196 useLookupTable16:
197             *destination16 = table[*source];
198         }
199         
200         ++source;
201         ++destination16;
202     }
203     
204     return result16;
205 }
206
207 static CString encodeComplexWindowsLatin1(const UChar* characters, size_t length, UnencodableHandling handling)
208 {
209     Vector<char> result(length);
210     char* bytes = result.data();
211
212     size_t resultLength = 0;
213     for (size_t i = 0; i < length; ) {
214         UChar32 c;
215         U16_NEXT(characters, i, length, c);
216         unsigned char b = c;
217         // Do an efficient check to detect characters other than 00-7F and A0-FF.
218         if (b != c || (c & 0xE0) == 0x80) {
219             // Look for a way to encode this with Windows Latin-1.
220             for (b = 0x80; b < 0xA0; ++b)
221                 if (table[b] == c)
222                     goto gotByte;
223             // No way to encode this character with Windows Latin-1.
224             UnencodableReplacementArray replacement;
225             int replacementLength = TextCodec::getUnencodableReplacement(c, handling, replacement);
226             result.grow(resultLength + replacementLength + length - i);
227             bytes = result.data();
228             memcpy(bytes + resultLength, replacement, replacementLength);
229             resultLength += replacementLength;
230             continue;
231         }
232     gotByte:
233         bytes[resultLength++] = b;
234     }
235
236     return CString(bytes, resultLength);
237 }
238
239 CString TextCodecLatin1::encode(const UChar* characters, size_t length, UnencodableHandling handling)
240 {
241     {
242         char* bytes;
243         CString string = CString::newUninitialized(length, bytes);
244
245         // Convert the string a fast way and simultaneously do an efficient check to see if it's all ASCII.
246         UChar ored = 0;
247         for (size_t i = 0; i < length; ++i) {
248             UChar c = characters[i];
249             bytes[i] = c;
250             ored |= c;
251         }
252
253         if (!(ored & 0xFF80))
254             return string;
255     }
256
257     // If it wasn't all ASCII, call the function that handles more-complex cases.
258     return encodeComplexWindowsLatin1(characters, length, handling);
259 }
260
261 } // namespace WebCore